1月10日,上海市第六人民医院宣布成立国内首个心磁临床中心,将通过心磁图成像技术对心脑血管疾病进行诊断、治疗。
消息一出,便引起医学影像界的广泛关注。因为现阶段,心脑血管疾病的成像主要依赖冠状动脉造影、冠脉CTA、心脏磁共振以及心脏SPECT等技术实现,这些技术或多或少会对患者本身造成辐射以及注射伤害。而上海六院心磁中心引入的心磁图技术,无辐射且不需要需注射药物,能够实现真正无创成像。毫无疑问,这一创新技术的引入,将在国内影像学技术研发领域激起一片涟漪。
医疗创新技术的迭代,需要我们向前看,去寻找时代提出的新要求;同时也需要我们停下来,回顾过去一年到底发生了哪些改变。2022年是人们对医疗健康尤为重视的一年,同时也是我国医学影像备受关注的一年。那么,在过去的一年里,我国医学影像技术究竟有哪些新变化呢?我国医疗影像赛道将迎来怎样的突破?
#01
18家国产医学影像企业画像
初创企业往往代表着一个行业的技术发展方向,同时也预示着这一赛道的发展潜力。基于此,动脉成果局对医学影像赛道,在2022年完成早期融资的初创企业进行了整理分析。
据动脉橙数据显示,在2022年医学影像赛道我国总共发生了18起早期融资事件,和2021年相比数量增长了两倍之多,单笔金额更是多次突破亿元。那么,这18家企业究竟“长什么样”?我们将从技术路径,临床应用场景,创始人背景以及风投机构进行简要分析。
▲ 2022年我国医疗影像早期融资情况
■ 1.技术路径:AI成为医学影像器械的必备技能
从2022年进行融资的18家企业来看,AI介入似乎是他们最为明显的共同特征。
这18家企业的产品无论是超声、CT还是MRI,几乎都在加入了AI技术。其运用主要在两个环节体现。
一个是在感知环节,进行最基础图像识别。这里AI的作用除了让影像画面更清晰以外,还会对非机构化数据进行分析。所谓的非结构化数据即不完整数据,在影像学范畴内多指“影像+报告”。AI的加入可以让影像报告更为标准化,减少人工误差。
另一个则是在学习和分析环节,这也是AI应用的最核心环节。由于AI具有深度学习的能力,其处理大量非结构化数据的过程,也是不断对神经元网络进行深度学习训练的过程。当原始案例积累到一定程度时,AI就能够掌握“诊断”的能力。这样一来,即节省了人力,又提高了诊断结果的客观性和标准化程度,为后续治疗打下基础。
■ 2.临床应用:重点关注心血管、泌尿系统以及女性健康
虽然都有AI坐镇,但这18家企业的打法也各有千秋——他们所关注的疾病领域以及使用的技术都略有差异。
从疾病领域来看,呼吸科、胃肠功能、泌尿系统、心血管介入以及女性健康等都是医学影像企业关注的范畴,其中心血管、泌尿系统以及女性健康的关注度更高,相关产品也更多一些。基于这样的应用场景,在技术层面研究内窥镜的企业占多数。
由于心血管、泌尿系统以及女性健康等相关疾病有较为明显的前期征兆,所以医学影像企业关注这一领域不但可以提供治疗方案,还能进行早筛服务。
如社会大病冠心病就可以通过影像学进行早筛。在2019年,美国心脏病学会和美国心脏协会发布的《心血管疾病预防指南》中写道:可以通过评估患者冠状动脉钙化情况,对心血管疾病进行早筛、预防。尽早采取相应的医学手段进行干预,逆转心血管疾病的效果更佳。基于这样的应用,心血管这也成为了医学影像企业重点关注的方向。
■ 3.创始人背景:北大、清华等知名高校重点关注,提供从科研到产业化的全程服务
医疗创新的每一次进步都离不开科研人员的支持,这18家企业核心创始团队中,都有着高校教授的身影,更有甚者背后是北大、清华等知名高校的支持。
以2022年5月完成5000万人民币PreA轮融资的超视计科技为例,它是一家专注于活细胞超分辨成像研发与应用的高科技企业,由北京大学多学科团队联合打造、孵化而成。在2009年,北京大学未来技术学院陈良怡教授联合同事毛珩共同成立了超视计科技,之后北京大学对其给予了场地、人才、技术资源方面的支持,并联合粤港澳大湾区协同创新研究院、北京协同创新研究院对其进行了战略投资。
无独有偶,2022年1月完成5000万人民币天使轮融资的荷湖科技也是由清华大学戴琼海院士领衔,依托于清华大学脑与认知科学研究院,在国家自然科学基金重大专项的支持下完成的转化。
高校对医学影像的重视为影像学发展提供了源源不断的新鲜血液,但要实现高端技术突破还需要更多尖端人才的支持与配合。而这一部分,我国也在慢慢崛起。
截至2022年12月,上海科技大学、中科院、复旦大学、苏州大学以及北京大学和清华大学都相继建立了医学影像相关研究院。其中最“年轻”的当属2022年6月揭牌的“生物磁医学影像技术联合实验室”。这是一家由中国科学院、上海交通大学附属第六人民医院以及漫迪医疗仪器(上海)有限公司共同组建的联合实验室,致力于神经磁成像技术的开发研究。
“研究院+医院+企业”的合作模式让这所实验室一成立,便形成了从研发到临床研究、安全评估和产业化的完整开发链。无论是产品研发的前端、中端还是后期,都能直接获得一手数据,基于这样的科研背景,目前该研究所已在生物磁成像等领域取得多项创新性成果。
另外,越来越多中国研究学者在AAAS 、IEEE 、IAMBE 、SPIE 、AIMBE 、IAPR 等多个计算机视觉与医学影像分析领域担任Fellow,为我国在医学影像领域赢得了更多的“话语权”。
总而言之,现阶段越来越多高校看准了医学影像的发展势头,正在“呼朋唤友”入股。
■ 4. 风投机构:多家头部风投机构关注医学影像早期发展,持续加注或成投后服务的热门选项
在对这18家企业的投资方进行梳理后发现,目前高瓴创投、启迪之星、中科创新等知名风投企业非常关注医学影像的早期发展,启迪之星甚至对两家初创企业进行了投资。另外,不少高校基金会,如粤港澳大湾区协同创新研究院、北京协同创新研究院等也在重点资助医学影像初创企业发展。
除了投资方的身份背景,它们的投后服务也值得一提。许多投资方会在投后持续关注企业,并选择追投、加注。
从忱芯科技公开的资料来看,在2020年8月原子创投就独家资助忱芯科技完成了数千万人民币的天使轮融资。但合作并没有就此中止,在之后的时间里原子创投为忱芯科技提供了商业化以及产品设计方面的建议,并吸引东方嘉富跟投。经过两年的成长,卡本医疗在2022年宣布开启PreA轮融资,这次原子创投毫不犹豫的选择了持续加注,和东方嘉富一起对其完成PreA轮融资。没过多久,忱芯科技就进入到了A轮,东方嘉富也选择了持续加注,继续合作。
在这18家企业里,忱芯科技的投资情况并不是个例,卡本医疗、康湃医疗等企业都存在风投机构持续加注的情况。
#02
2022“AI+影像”迎来新变化:丰富成像方式、处理非结构化数据、解决“数据孤岛”
毋庸置疑,AI加入是医学影像赛道最明显的变化。但其实,AI+医学影像并不是一个新概念,早在2018年,RSNA大会主席Dr.Vijay Rao便在开幕式中强调了AI对医学影像发展的重要性,引发了AI+医学影像的热潮。因此,2018年也被成为AI+医学医学的“落地之年”。
时隔四年,AI+医学医学又有了哪些新变化呢?能解决我国医学影像的哪些问题呢?
其一,AI改变影像画面的清晰程度以及展现方法,降低误诊率。
利用计算机视觉技术,AI能够对医学图像进行分割、配准、融合、重建,使图像更清晰、立体,丰富了医学图像的呈现方式。同时,AI对动态图像的实时处理功能,也将被运用到成像工艺升级以及辅助医疗器械的定位和导航上。
以2022年8月完成数千万元PreA轮融资的卡本医疗为例,其核心产品VENUS就将AI运用到了影像诊断的成像环节。
一方面,AI提高了成像的清晰度以及准确性。VENUS在成像环节会利用AI配准技术,进行多模态影像2D-3D联动。在AI配准技术的支持下成像的空间感会更强烈,医生也能精准观测到病灶的实时位置,以此为基础设计最符合病例情况的手术计划。
另一方面,在手术操作过程中AI也在发挥作用。VENUS能自动识别手术尖针的移动轨迹,通过AI计算出最为恰当的手术通道,并精确引导医生进行操作。
总而言之,在AI的支持下VENUS不仅可凭借高效便捷的辅助定位追踪病灶、规划穿刺路径,还可快速精准引导建立介入通道,实现手术可视化、简单化。究其根本就是为了提高治疗的安全性和效率。
其二,AI规范化处理非结构化数据,辅助诊断。
据IDC Digital的统计,我国医学影像产生的数据中有80%属于非结构化数据,并且影像报告还缺少统一的标准。
因为,诊断疾病需要结合多个参数综合分析,而图像只是众多参数的其中之一,需要影像科医生结合很多诊断相关的医学知识,最后才能形成影像诊断报告。但受制于影像诊断医生的个人习惯、执业医院、教育背景等因素,我国影像诊断报告呈现出因医生而异的显著特点,导致不同地区不同医院的影像报告标准不同。
当患者在不同地区甚至不同医院就诊时,大多数情况都需要重新进行医学影像诊断。这样极大程度的浪费了医疗资源,同时也给患者增加了不必要的经济负担。
另外,这样的诊断模式将影像科医生放在了极其重要的位置,无形中给医生造成了较大的压力。目前我国超声人才还存在至少15万的缺口,而在超声人才进入到医院后,解读影像的专业水平还需要3-8年的实践经验才能有效提升——这样的培养机制也是造成了人才流失的一大原因。
在通过AI技术处理非结构性数据时,能够人为的为影像报告设定参数模板,解决各大医院影像报告标准不统一的难题。并且,在大量数据学习后,AI还能实现辅助诊断,基于大数据提供诊疗方案。解决患者重复照影的问题,同时也减轻医生重复性体力劳动,提高诊断准确率。另外,一般情况下机器学习的速度会高于人脑速度,因此,培养一个解读影像报告的“AI熟练工”,比培养一位影像专家更方便、快捷。
其三,AI有效解决医学影像“数据孤岛”问题。
据悉,医学影像归档和通信系统(PACS)是目前医院信息系统中操作数据量最大、数据精度要求最高、数据传输时效性最强的信息化系统。医院的临床数据如果不能及时归档、共享,将会持续影响相关科研与产业的发展速度。
而在AI的介入下,数据的及时上传将变成可能。目前很多企业的AI+影像仪器都具有数据实时上传功能,并通过云平台搭建起共享空间。不同科室的医生在获得相关权限后,都能够随时查看病人详细的影像报告,节约了档案查找、不同科室问诊所浪费的时间。这样的方式即有利于“线上会诊”,推动城乡医疗平衡,同时满足了精准医疗的发展,为建立“数字医院”打下了良好的基础。
总的来说,无论是提高清晰度,还是处理非结构化数据,AI+医学影像的目的都是为了辅助医疗,提高诊断效率以及准确性,赋能基础诊断。
#03
中美医学影像市场对比:临床应用、审批、付费观念
目前,我国无论是科研端还是产业端对医学影像的重视程度与日俱增,毫无疑问我国医学影像市场已进入快速发展阶段。但一人行速,众人行远,在赛道体量快速扩张的时候,我们更应该停下脚步看看市场是否向我们提出了新的要求。
据动脉橙数据统计,在2022年美国医学影像领域总共有11家企业进行了融资,大多数企业处于B轮甚至是IPO后其他轮次,这也反映出美国医学影像市场已经处在了成熟阶段。也许我们能从美国市场中窥探到我们未来发展的方向。
▲ 2022年美国融资情况
■ 1. 临床应用:美国关注“小切口”,中国看重赛道覆盖
总的来说,美国医学影像企业在技术以及关注的疾病领域上和我国大致相同——都运用了AI技术,关注心血管、泌尿系统以及女性健康等领域。但美国企业似乎更喜欢将领域细化,从“小切口”进行深入发展。
所谓的“小切口”就是将自己的技术研究限定在某一特定疾病研究上,追求对这一疾病研究的“精度”,而非对相关赛道都进行覆盖。
以2022年9月完成D轮融资的Delphinus Medical Technologies为例,这家公司关注的方向也是女性健康,但它只研究乳腺癌。它开发的设备SoftVue,可以通过三维X射线断层扫描进行超声成像和风险评估,检查女性乳房是否存在良性或恶性肿块,诊断乳房疾病并监控治疗。
Delphinus Medical Technologies成立于2010年,在这十余年的发展中,无论产品如何迭代都只关注乳腺癌方向,公司创始人Mark Forchette表示:“我们的宗旨仅仅是为了改变乳腺癌的早筛、治疗方式,挽救全世界女性的生命。”
反观我国的医学影像公司,只专注于一项疾病的企业少之又少,更多的企业选择全面布局。虽然涉及的赛道越多,商业化的机会就更大,但另一方面其设备的针对性以及疾病贴合性将大打折扣。
■ 2.审批制度:美国制定“三部法”将“AI+”区别与一般医疗器械审批,中国审批仍较严格
除了关注的疾病方向,审批政策或许也是影响企业发展的一大变量。
在我国,由于辅助诊断治疗和医疗影像AI产品对医生的诊断和治疗决策有导向作用,所以CFDA对其审批十分严格。在2018年时,甚至没有1家企业获得了审批,所有AI+影像企业都卡在了审批环节无法上市。
虽然这一情况随着随着技术的成熟在不断改观,在2020年时我国就有约20款影像AI产品相继获得注册准入。但相较美国而言,我们仍然没能把握住进入市场的先机。
在AI+影像的技术推出后,FDA迅速对其做出了反应,率先打破传统医械审批政策对AI产品的限制,为其量身定做了“审批三部法”。
一是,实施“数字健康创新行动计划”,发布新指导贯彻立法、重构数字健康产品监督体系;二是,单独组建成立AI与数字医疗审评部;三是,通过降低医疗AI产品门槛来加快审批速度,比如将一些三类医疗AI产品降为二类产品进行审批。
这样一来,AI+影像产品就能区别于一般医疗器械,加速完成注册审批。同时,新的审批制度也鼓励了更多医疗器械人关注AI+影像赛道,为医学影像领域带来更多可能。
■ 3.AI付费观念:美国医疗服务奉行市场原则,民众更易接受付费;中国尚未形成“AI付费”观念
除了政策支持,市场对于“AI付费”的态度也是企业发展需要考虑的问题之一。
在我国,为AI医学影像付费的意识尚未形成,并且医院对AI产品的估价和企业自己的估价之间还存在着巨大的鸿沟。一款产品即使有较好的应用场景和效果,但价格超过了医院的承受范围,或许也不会被采购。
另外,我国目前关于AI产品缺乏一个明确的成本核算体系,关于机器折旧费、影像诊断费,以及AI的使用费都没有统一的标准。对于医院而言,如果AI影像的费用和普通影像的费用没有区别,那么AI影像的成本支出很难填补;但对于已经习惯了原本的付费模式的患者而言,徒增一笔费用也会造成不小的压力。
总之,我国目前还缺少统一的成本核算标准,只有在建立成本核算体系的前提下,才能对未来医学影像AI的发展给予更多支持。
而在美国,由于多年的“医保之战”,以及社会意识的形成,医疗服务一直奉行市场原则,即医生和医院对医疗服务自由定价,政府无权进行限价。在这样的社会背景下,关于AI影像付费的观念很容易就被市场接纳并实行,也就无需考虑成本、收益等问题。
如今,我国医疗影像赛道发展的大幕已经徐徐拉开,今年的火热或许就是一个明确信号——那些把握时代风向,并懂得审视市场的初创企业,定能在这条黄金赛道上抢占先机。